考虑参照依赖的突发公共卫生事件预警信息公开策略研究

突发公共卫生事件预警信息公开是疫情防范关口前移尤为重要的一环。本研究基于有限理性假设，改变传统期望效用函数，引入参照依赖理论，刻画了更加符合应急场景的博弈方认知与决策规律。构建地方政府、中央政府、公众的演化博弈模型，通过复制动态方程描述不同主体交互行为。结果表明，中央政府监管与公众参与在促进地方政府预警信息公开上形成了互补嵌入；主体感知效用、信息公开成本等对系统演化驱动效果明显，各方对感知效用边际递减系数和厌恶损失规避系数比较敏感；适当增加中央政府监管成功率、提高地方政府风险研判水平、加强公众信息辨识准确程度均有助于促进突发传染病预警信息公开。本研究结果可指导政府风险决策并为其制定合理的权、责、利条款提供模型支撑。     

基于时空网络建模的分时租赁系统电动汽车优化调度方法

为解决分时租赁系统电动汽车优化调度问题,通过时空网络建模方法构建电动汽车分配及调度综合优化模型。该模型结构精简,易于求解,经算例结果验证CPLEX和Gurobi求解器可以在较短时间内对模型精确求解。最后,通过实际案例验证模型的适用性并得出相应的分时租赁系统电动汽车调度管理建议。结果表明:在早晚高峰之前将电动汽车预先布置在用户出行起点集中区域能够保证系统在应对高峰期间用户的集中需求,并最大化系统的运行效率。     

双侧风险度量方法及其在投资组合优化模型中的应用

现有的资产风险度量方法不能合理的反映收益的向上波动给投资者带来的风险感受,针对这一不足,本文提出了一种新的风险度量方法,这一方法综合考虑了投资者对于损失的规避和对超额收益的偏好,能够更为真实的反映投资者对于资产收益双侧波动的不同风险感受.同时本文结合新的风险度量方法给出了投资组合优化模型,并对模型的解从不同角度进行了分析.研究结果表明,新的风险度量方法可以为投资者提供更有效的投资决策依据,并且投资者的风险态度对于投资组合有效前沿和最优投资组合都有显著的影响.     

基于随机决策的公交车辆滞站策略

公交车辆在线路运行中受到多种随机因素的影响,如道路交通状况、站点乘客上下车等,导致同一线路公交车辆的车头时距产生较大波动,降低公交车辆的运载效率及服务质量。滞站策略能够有效保持公交车辆车头时距的稳定性。鉴于随机因素对公交线路的影响,将公交滞站问题看成多阶段随机决策过程,利用随机决策理论和动态规划的最优化原理,确定出每辆车到达控制点时的最佳滞留时间,使整个线路车头时距波动方差的期望值最小化,进而得到最佳公交车辆滞站决策方案。通过实例分析,随机决策滞站策略,能够显著降低乘客的平均等待时间,提高公交服务质量,且在稳定性及抗干扰性具有明显优势。     

冬季道路养护场站空间布局优化研究

撒布融雪剂是国际上较常用的一种路面除冰雪的手段,可以通过降低冰雪融点清除积雪及积冰。优化储存融雪剂和融雪剂撒布车辆的场站布局可以提高养护作业的效率和减少作业成本,从而降低融雪剂对环境的影响。虽然场站布局属于战略层面的规划问题,但它必须有效考虑操作层面的车辆路径规划问题。本文基于选址-路径问题（Location-Routing Problem）建立冬季道路养护场站的选址模型,并用两阶段TABU禁忌搜索算法进行求解。长春市的案例分析结果证明了模型的有效性。     

考虑建成环境交互影响的共享单车需求预测

共享单车的发展有利于交通的节能减排绿色发展。建成环境是影响共享单车出行需求的重要因素,然而很少有学者探究考虑其交互作用。为了准确分析建成环境中各影响因素的交互作用以达到精确预测共享单车出行需求的目的,本文使用了深圳市共享单车出行数据、兴趣点数据（point of interest,POI）、路网数据和公交线路数据等多源数据,采用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型预测共享单车出行需求,并与BP(Back Propagation)神经网络模型预测结果进行比较;最后借助SHAP(SHapley Additive explanation)方法解释GBDT模型中各种影响因子对共享单车出行需求产生的影响,并分析各影响因素及其交互作用。实验结果表明：GBDT模型预测结果平均绝对误差为0.683,均方根误差为0.728,较BP神经网络模型预测准确性更高;通过SHAP方法发现自行车道密度、公交站点数等交通属性因素对于共享单车出行需求作用明显,土地利用中土地利用混合度不是简单线性作用且不同POI间存在复杂交互关系。可见通过借助GBDT模型和SHAP方法可以用来共享单车出行需求预测以及影响因素分析,从而为共享单车发展提出改善建议。     

基于模糊逻辑的驾驶员路线选择行为分析

鉴于路线选择过程中驾驶员行为普遍存在的模糊性,基于模糊逻辑的分析方法,针对驾驶员的路线选择行为进行了研究。所建立的路线选择模型中,将驾驶员对路线行驶时间、距离以及安全性等指标的感知进行了模糊化处理,进而建立了解模糊化规则,并采用层次分析的推理方法对可选路线进行两两对比。在对比矩阵的基础上可计算路线各个性能的权重,进而得到路线被选择的概率。案例分析的结果表明,该模型能够有效解释驾驶员对路线的模糊感知,为驾驶员短期选择行为分析提供了一种新方法。     

基于时间扩展网络的区域疏散公交路径规划

针对城市公交系统应急区域疏散路径规划问题,采用时间扩展网络建模技术对疏散公交路网进行了表达,进而建立了以疏散总出行时间最小化为目标函数的离散、动态疏散网络流模型,将公交网络的疏散路径优化问题转化为混合整数规划问题,并设计了启发式禁忌搜索(TABU)算法,用于快速求解公交疏散路径优化方案.最后,以长春市中心区路网为例,对公交系统的区域疏散问题进行了实证研究,着重对比了CPLEX9.0软件的精确求解与禁忌搜索算法的近似求解之间的性能差异.数值实验结果表明,时间扩展网络模型可以有效反映公交疏散系统的动态性,同时禁忌搜索算法能够在求解效率和求解精度上取得较好的折衷.     

基于GPS数据的城市常发性拥堵区域识别方法

识别城市交通常发性拥堵区域,能够为交通管理部门和规划部门提供相应的改进建议,对城市道路网络健康运行具有重要作用。城市交通拥堵判别方法存在两个难题:基于传统检测器方法应用的局限性;基于路段级别的方法存在费工费时的地图匹配问题。针对这两个问题,提出基于车辆GPS轨迹数据的网格级别的拥堵判别方法;并利用改进的具有噪声应用的基于密度的空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法识别城市常发性拥堵区域。基于哈尔滨市城市道路网络、出租车和公交车GPS轨迹数据进行算例分析,结果表明,其能够有效判别基于网格的交通拥堵,并成功识别城市常发性拥堵区域。     

基于出租车轨迹数据的交通异常识别算法研究

为了实现基于出租车轨迹数据的交通异常识别,本文首先以城市栅格地图模型为框架,提出了一种针对城市路网的多光谱分隔算法,并根据城市路网分别从区域增长与区域融合两种角度实现了多光谱地图的分割。其次在分割的城市路网基础上,设计了交通异常的识别算法。算法依据单元区域内道路网络拓扑结构构建交通异常图,然后根据出租车路径选择模式的历史规律计算每个单元区域内不同路径上的出租车轨迹流量的变化,最后根据三倍均方差指标识别单元区域内的交通异常。文章最后以哈尔滨为例进行了算例分析,算例结果表明,本文提出的异常识别算法取得了良好的效果,验证了算法的有效性及准确性。